- Autor
- Ptak-Chmielewska Aneta (Warsaw School of Economics, Poland), Kuleta Piotr
- Tytuł
- Statistical Models in Enterprises Default Risk Assessment - an Example of Application
Modele statystyczne w ocenie ryzyka niewypłacalności przedsiębiorstw - przykład zastosowań - Źródło
- Econometrics. Advances in Applied Data Analysis, 2018, vol. 22, nr 1, s. 94-106, rys., tab., bibliogr. 6 poz.
Ekonometria - Słowa kluczowe
- Ryzyko, Regresja liniowa, Modele statystyczne
Risk, Linear regression, Statistical models - Uwagi
- Klasyfikacja JEL: C52, C58, G33
streszcz., summ. - Abstrakt
- Ryzyko niewypłacalności podmiotów (default) jest krytyczne w działalności bankowej. W literaturze przedmiotu opracowano różne modele bazujące na analizie dyskryminacyjnej, regresji logistycznej i technikach data mining. W artykule zastosowano regresję logistyczną do weryfikacji skuteczności modelu zaproponowanego przez R. Jagiełłę dla różnych sektorów. Jako alternatywę zaproponowano model regresji logistycznej ze zmienną nominalną SEKTOR na łącznej próbie danych. Oszacowano dynamiczny model przeżycia - model Coxa. Włączenie do modelu zmiennej nominalnej SEKTOR tylko nieznacznie zwiększa moc dyskryminacyjną modelu (w obszarze default). Moc dyskryminacyjna modelu Coxa jest niższa, z wyjątkiem klasyfikacji podmiotów w sytuacji default, w której wyższa trafność klasyfikacji stanowi przewagę modelu Coxa.(abstrakt oryginalny)
Default risk assessment is crucial in the banking activity. Different models were developed in the literature using the discriminant analysis, logistic regression and data mining techniques. In this paper the logistic regression was applied to verify models proposed by R. Jagiełło for different sectors. As an alternative, the logistic regression model with the nominal variable SECTOR was applied on the pooled sample of enterprises. The dynamic approach using the Cox regression survival model was estimated. Including the nominal variable SECTOR only slightly increases the predictive power of the model (in the case of "defaults"). The predictive power of the Cox regression model is lower, the only advantage is the higher accuracy classification in the case of "defaulted" enterprises.(original abstract) - Dostępne w
- Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu - Pełny tekst
- Pokaż
- Bibliografia
-
- Bellovary J., Giacomino D., Akers M., 2007, A review of bankruptcy prediction studies: 1930 to present, Journal of Financial Education, vol. 33, Winter.
- Blossfeld H.P., Rohwer G., 2002, Techniques of Event History Modeling. New Approaches to Causal Analysis, Lawrence Elbaum Associates Publishers, London.
- Cox D.R., 1972, Regression models and life tables, Journal of the Royal Statistical Society (Series B), no. 34, pp. 187-202.
- Jagiełło R., 2013, Analiza dyskryminacyjna i regresja logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw, Materiały i Studia NBP, no. 286, Warszawa.
- Pociecha J. (ed.), 2014, Statystyczne metody prognozowania bankructwa w zmieniającej się koniunkturze gospodarczej, Uniwersytet Ekonomiczny w Krakowie, Kraków.
- Sierpińska M., Jachna T., 2004, Ocena przedsiębiorstwa według standardów światowych, PWN, Warszawa.
- Cytowane przez
- ISSN
- 1507-3866
- Język
- eng
- URI / DOI
- http://dx.doi.org/10.15611/eada.2018.1.07
